Tìm hiểu lý do tại sao việc khám phá dữ liệu (EDA), làm sạch dữ liệu, chia tỷ lệ, xử lý ngoại lệ, chuyển đổi nhật ký, mã hóa danh mục, v.v. là cần thiết và cách xử lý chúng trong thực tế thực tế. Bạn cũng sẽ tìm hiểu cách hợp nhất dữ liệu bảng và xử lý dữ liệu chuỗi thời gian (không có cấu trúc).
Là bước đầu tiên trong phân tích dữ liệu và học máy, bạn sẽ tìm hiểu các khái niệm cơ bản về 1) làm sạch dữ liệu, 2) chia tỷ lệ, 3) xử lý ngoại lệ và 4) chuyển đổi dữ liệu (chuyển đổi nhật ký, mã hóa danh mục).
Trước khi phân tích dữ liệu toàn diện, bạn sẽ tìm hiểu các phương pháp phân tích khám phá (EDA) để kiểm tra các đặc điểm tổng thể của dữ liệu và xác định xem dữ liệu được thu thập có phù hợp để phân tích hay không.
Tìm hiểu dữ liệu bảng và xử lý dữ liệu chuỗi thời gian, đồng thời hiểu rõ các khái niệm về nối, nối, hợp nhất, nhóm, bảng trụ và dự đoán chuyển tiếp.
Chỉ bao gồm những điểm thiết yếu!
Tiền xử lý dữ liệu cần thiết cho phân tích dữ liệu
Phân tích dữ liệu lớn, học máy, học sâu, trí tuệ nhân tạo và chuyển đổi số (DT) là những lĩnh vực công nghệ có nhu cầu cao nhất hiện nay. Trong hầu hết mọi ngành, việc đào tạo các nhà khoa học dữ liệu để xử lý những công nghệ này là vô cùng quan trọng và cấp bách.
Tiền xử lý dữ liệu là nhiệm vụ đòi hỏi nhiều thời gian nhất từ người xử lý dữ liệu trong các công ty và có tác động lớn nhất đến hiệu suất phân tích dữ liệu (học máy).
Bài giảng này đề cập đến các phương pháp khám phá dữ liệu hiệu quả (EDA) và bốn khái niệm chính về xử lý dữ liệu trước: làm sạch dữ liệu, mở rộng quy mô, xử lý giá trị ngoại lai và chuyển đổi dữ liệu.
Chúng tôi giúp bạn áp dụng ngay lập tức các phân tích dữ liệu cần thiết trong lĩnh vực này thông qua các bài tập dựa trên lý thuyết như xử lý giá trị bị thiếu, chuyển đổi dữ liệu và dự đoán phân loại tuyến tính.
Trong thực tế, việc kết hợp dữ liệu có cấu trúc bảng theo nhiều cách khác nhau thường là cần thiết. Hãy tìm hiểu sự khác biệt giữa các hàm concat, append, join, merge, groupby và pivot_table, đồng thời giải thích hàm nào hữu ích trong từng trường hợp.
Trong thực tế, chúng ta thường xử lý dữ liệu chuỗi thời gian phi cấu trúc. Chúng tôi sẽ giải thích cách sử dụng datetime và phương pháp dự đoán chuỗi thời gian tuần tự, đồng thời giới thiệu các mô hình dự đoán phân loại nhị phân và hồi quy sử dụng mô hình tuyến tính.
Đi đến mã thực hành 👉 https://github.com/data-labs/preprocessing
Khóa học này dành cho ai?
Tiền xử lý dữ liệu là quá trình quan trọng nhất quyết định hiệu suất phân tích dữ liệu. Nó sẽ hữu ích cho những ai muốn tổ chức một cách có hệ thống các phương pháp tiền xử lý dữ liệu cần thiết cho công việc thực tế.
Nó được khuyến khích cho những người hiểu các khái niệm cơ bản về việc đính kèm dữ liệu cấu trúc bảng và xử lý dữ liệu chuỗi thời gian và muốn sử dụng nó ngay lập tức trong lĩnh vực của họ.
Cần biết trước khi bắt đầu?
Cần có kiến thức cơ bản về Python.
921
Học viên
78
Đánh giá
11
Trả lời
4.8
Xếp hạng
3
Các khóa học
"고장난 라디오 고칠 수 있어?"
제가 전자공학과에 입학한 후 친구로부터 받은 질문입니다. 뭐, 대답은 했습니다. "전자공학과에서는 라디오 만드는 원리를 배우는 것이지 고장난 전자제품 고치는 것은 우리 일이 아니고..."
이론으로 무장한 전문가보다 문제 해결사가 필요한 경우가 더 많습니다. 저는 실전 문제 해결이 더 중요하다고 생각합니다.
최근에는 머신러닝으로 금융, 에너지, 전자, 중장비, 물류, 신약개발, 식품 등 산업 영역의 문제를 해결하는 일을 하고 있는데, 정말 배울 것도 많고 할 일도 무궁무진한 영역인 것 같습니다. 본업은 교수지만 (강원대 컴퓨터공학과), 현장의 문제해결에 관심이 많아 여러 겸직을 하고 있습니다. AI신약개발지원센터장, KAIST 겸임교수, 그리고 데이터사이언스랩 대표를 맡고 있습니다.
AI 시대에 가장 필요한 인재는 실전 문제를 해결할 수 있는 데이터 사이언티스트라고 믿으며 여러분 모두 인기 있는 데이터 사이언티스트가 되기를 바랍니다.
Tất cả
19 bài giảng ∙ (4giờ 13phút)
Tất cả
18 đánh giá
4.7
18 đánh giá
Đánh giá 5
∙
Đánh giá trung bình 4.6
5
Luôn luôn giải thích tử tế và bình tĩnh để dễ hiểu. Cảm ơn!
Cảm ơn bạn đã đánh giá tốt.
Đánh giá 2
∙
Đánh giá trung bình 5.0
5
Nó rất hữu ích trong việc nghiên cứu tiền xử lý dữ liệu Python. Tôi thích các phương pháp khác nhau cần thiết để xử lý trước dữ liệu và thực hành sử dụng dữ liệu thực.
Cảm ơn bạn đã đánh giá tốt.
Đánh giá 2
∙
Đánh giá trung bình 5.0
5
Cá nhân tôi đánh giá đây là một bài giảng rất hay và xuất sắc. Trước đây tôi đã học Phần 1 và mặc dù có một số phần mà nội dung hơi khó khi khóa học diễn ra nhưng tôi có thể hiểu nó mà không gặp vấn đề gì.
Tôi rất vui vì bạn đã tự mình tìm ra nó. Hãy hỏi bất kỳ câu hỏi nào bạn có ~
Đánh giá 3
∙
Đánh giá trung bình 3.0
3
Tôi thực sự rất thích bài giảng. Tôi nghĩ rằng tôi đã hiểu cốt lõi của quá trình xử lý trước dữ liệu trong 5 giờ. Cảm ơn !
Đặc điểm của nó là có thể được tổ chức trong thời gian ngắn. Cảm ơn bạn đã đánh giá của bạn!
1.164.769 ₫
Hãy khám phá các khóa học khác của giảng viên!
Khám phá các khóa học khác trong cùng lĩnh vực!
![[Tiền xử lý dữ liệu] Đừng lo lắng! Có Pandas mà.강의 썸네일](https://cdn.inflearn.com/public/files/courses/336824/cover/01k5849rtc0vfa7df3revd2tpb?f=avif&w=420)
![[Gia hạn] Bootcamp cơ sở dữ liệu MongoDB(몽고DB) và NoSQL(빅데이터) cho người mới bắt đầu [Từ nhập môn đến ứng dụng] (Cập nhật)강의 썸네일](https://cdn.inflearn.com/public/courses/324183/cover/fbe9f0cc-4c42-4435-b855-f283f6932415/324183.png?f=avif&w=420)